論文の概要: One Hierarchy, Two Systems: Semantic Product IDs for Discovery-Surface Ranking and Search-Page Query Reformulation
- arxiv url: http://arxiv.org/abs/2608.20640v1
- Date: Fri, 21 Aug 2026 00:27:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.309523
- Title: One Hierarchy, Two Systems: Semantic Product IDs for Discovery-Surface Ranking and Search-Page Query Reformulation
- Title（参考訳）: 1つの階層と2つのシステム:発見-表面ランク付けのための意味的製品IDと検索-ページクエリの改定
- Abstract要約: マルチマーチャントeコマースカタログには、商人が特定した異なる識別子の下で、同等の製品と関連する製品が含まれている。
単一の階層型セマンティックID(sid)表現がパーソナライズされたランキングとクエリのリフォームをサポートするかどうかを検討する。
- 参考スコア（独自算出の注目度）: 0.8257831610561874
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-merchant e-commerce catalogs contain equivalent and related products under different merchant-scoped identifiers, fragmenting behavioral evidence across merchants. Expert-defined taxonomies, meanwhile, are often too coarse for fine-grained discovery. We investigate whether a single hierarchical Semantic ID (\sid{}) representation can support personalized ranking and query reformulation. Learned once from product-content embeddings, the hierarchy defines product concepts at multiple granularities that each application combines with its own behavioral and serving context. For ranking, we aggregate consumer affinity and product performance over \sid{} prefixes and derive sequence features for candidate products and consumer histories. Controlled ablations show improved offline relevance, while online evaluation of the full ranking treatment shows stronger top-slot add-to-cart engagement and broader exposure for less-popular products. For query reformulation, we ground queries and session transitions in \sid{} concepts, use the hierarchy for navigation and refinement, and filter suggestions against the merchant's assortment. Offline evaluation shows finer intent preservation than taxonomy and higher-quality suggestions than raw query-string transitions; online evaluation shows reduced search effort and earlier access to purchasable products. These results show that a shared semantic product hierarchy can support both recommendation and search while preserving the task-specific context required by each application.
- Abstract（参考訳）: マルチマーチャントeコマースカタログには、商人がスキャンしたさまざまな識別子の下で、同等の製品と関連する製品が含まれており、商人間での行動証拠を断片化している。
一方、専門家によって定義された分類学は、しばしばきめ細かい発見には大きすぎる。
一つの階層的セマンティックID(\sid{})表現がパーソナライズされたランキングとクエリのリフォームをサポートするかどうかを検討する。
製品-コンテンツ埋め込みから一度学習し、階層構造は、各アプリケーションが独自の振る舞いと提供コンテキストを組み合わせる複数の粒度で製品概念を定義します。
ランキングでは, 消費者親和性と製品性能を \sid{} プレフィックス上に集約し, 候補製品や消費者履歴のシーケンス特徴を導出する。
コントロールされたアブリケーションはオフラインの関連性を改善し、フルランク処理のオンライン評価は、トップスロットからカートへのエンゲージメントがより強く、人気の低い製品への露出がより広いことを示している。
クエリのリフォームには、クエリとセッションのトランジションを \sid{} の概念で定義し、ナビゲーションとリファインメントの階層を使用し、商店のアソシエーションに対する提案をフィルタリングする。
オフライン評価は、分類学よりも微妙な意図保存と、生のクエリストリングトランジションよりも高品質な提案が示され、オンライン評価は検索の労力を減らし、購入可能な製品への早期アクセスを示している。
これらの結果は、各アプリケーションに必要なタスク固有のコンテキストを維持しながら、共有セマンティックな製品階層がレコメンデーションと検索の両方をサポートすることを示す。
関連論文リスト
- Beyond Matching: Category-Guided Latent Intent Reasoning for Generative Retrieval in E-Commerce [33.55727546262202]
CaLIRは、電子商取引生成検索のためのカテゴリー誘導潜在意図推論フレームワークである。
階層型セマンティック推論を導入し、潜在状態をカテゴリーレベルのショッピング意図と整合させる。
多言語eコマース検索データセットの実験により、CaLIRは既存の方法よりも検索効率と推論効率のバランスが良くなっていることが示された。
論文 参考訳（メタデータ） (2026-06-05T09:12:54Z) - BEATS: Bootstrapping E-commerce Attribute Taxonomies for Search through Iterative Human-AI Collaboration [16.653517324875384]
BEATSは、スクラッチから製品属性をブートストラップするための、ヒューマン・イン・ザ・ループ LLM フレームワークである。
本システムは楽天台湾で展開され,2,694のサブカテゴリと67,277の属性からなる9つの主要カテゴリに集約されている。
540万以上の製品が生成した属性でタグ付けされており、製品カタログ全体を充実させる計画だ。
論文 参考訳（メタデータ） (2026-06-03T14:06:27Z) - Synthetic Data Powers Product Retrieval for Long-tail Knowledge-Intensive Queries in E-commerce Search [16.441153527403163]
製品検索はeコマース検索のバックボーンであり、高品質のランキングとユーザー体験の基礎を築いた。
メインストリームクエリの広範な最適化にもかかわらず、既存のシステムは依然としてロングテールクエリに苦戦している。
本稿では,長期の知識集約型クエリを含む検索に適した効率的なデータ合成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-27T02:53:17Z) - CoFiRec: Coarse-to-Fine Tokenization for Generative Recommendation [55.783414010717074]
CoFiRecは、アイテム情報をセマンティックレベルに分解する新しい生成レコメンデーションフレームワークである。
我々は、CoFiRecが既存の手法より優れており、ジェネレーティブレコメンデーションの新しい視点を提供することを示す。
論文 参考訳（メタデータ） (2025-11-27T18:59:35Z) - Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。
SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
論文 参考訳（メタデータ） (2025-07-14T08:41:53Z) - DeepShop: A Benchmark for Deep Research Shopping Agents [70.03744154560717]
DeepShopは、複雑なリアルなオンラインショッピング環境でWebエージェントを評価するために設計されたベンチマークである。
5つの人気のあるオンラインショッピングドメインに多様なクエリを生成します。
エージェントの性能をきめ細かな面から評価する自動評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-03T13:08:17Z) - Generative Retrieval and Alignment Model: A New Paradigm for E-commerce Retrieval [12.318142818707317]
本稿では,GRAM(Generative Retrieval and Alignment Model)という新しいeコマース検索パラダイムを紹介する。
GRAMは、クエリと製品の両方からのテキスト情報を共同でトレーニングして、共有テキストコードを生成する。
GRAMは従来のモデルと最新の生成的検索モデルを大きく上回っている。
論文 参考訳（メタデータ） (2025-04-02T06:40:09Z) - Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。
DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。
我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
論文 参考訳（メタデータ） (2024-06-23T05:02:21Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - APRF-Net: Attentive Pseudo-Relevance Feedback Network for Query
Categorization [12.634704014206294]
クエリ分類のためのレアクエリの表現を強化するために,textbfAttentive textbfPseudo textbfRelevance textbfFeedback textbfNetwork (APRF-Net) という新しいディープニューラルネットワークを提案する。
以上の結果から,APRF-Netはクエリ分類をF1@1$スコアで5.9%改善し,レアクエリでは8.2%向上した。
論文 参考訳（メタデータ） (2021-04-23T02:34:08Z) - Automatic Validation of Textual Attribute Values in E-commerce Catalog
by Learning with Limited Labeled Data [61.789797281676606]
そこで我々はMetaBridgeと呼ばれる新しいメタ学習潜伏変数アプローチを提案する。
限られたラベル付きデータを持つカテゴリのサブセットから、転送可能な知識を学ぶことができる。
ラベルのないデータで、目に見えないカテゴリの不確実性を捉えることができる。
論文 参考訳（メタデータ） (2020-06-15T21:31:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。